MétaCan
Menu
Retour à la cohorte
Enregistrement W1415691218 · doi:10.1115/gt2015-43026

Effects of the Intake Air Humidity on the Gas Turbine Performance Monitoring

2015· article· en· W1415691218 sur OpenAlexaff
Houman Hanachi, Jie Liu, Avisekh Banerjee, Ying Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensLife Prediction Technologies (Canada)Carleton University
Organismes subventionnairesnon disponible
Mots-clésHumidityEnvironmental scienceMoistureInletEvaporative coolerRelative humidityMeteorologyEngineeringMechanical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Gas turbine engines (GTEs) are extensively used in locations with high humidity such as offshore platforms. However, in the dry regions, GTEs are often equipped with water spray inlet coolers for warm seasons. In both cases, the moisture affects the thermodynamic properties of the intake air and drifts the performance off the dry condition, especially during the warm days, when the moisture content of the air is high and the inlet air cooler is operational. In this paper, a detailed steady state model is proposed to simulate the GTE performance with the humid air, and it is linked with a thermodynamic model to quantify the total moisture content of the air after the cooler. The developed framework is used to analyze the operating data of a GTE during the three years of service. The results are then utilized for model-based performance monitoring of the GTE, using a recently introduced performance indicator. A comparative analysis is performed between the results received from the primary model overlooking the humidity effects, and the developed enhanced performance model with humidity effects. A better accuracy for the performance indicator was observed where the enhanced model is employed, suggesting the importance of considering the intake air humidity for model-based performance monitoring.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,121

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,209
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207